Inhalte

1. Einführung in das Deep Learning

Was sind neuronale Netze und wie lernen sie?
Mathematische Grundlagen kompakt erklärt
Neuronale Netze mit Keras und TensorFlow
Modelle: Evaluation und Anpassung
Modelle: Einsatz und Speicherung

2. Datenvorbereitung und Feature Extraction

Datenvorbereitung mit Pandas
Explorative Datenanalyse
Standardisierung von numerischen Daten und Textdaten
Feature Extraction: Merkmale aus Daten extrahieren
Netze mit geringen Datenmengen trainieren

3. Spezialisierte neuronale Netze

Konvolutionale neuronale Netze (CNN)
Aktualisierung von Gewichten bei CNNs
Max Pooling und Dropout
Anlernprozesse überwachen mit TensorBoard
Rekurrente neuronale Netze (RNN)
Zeitreihenanalyse und Textverarbeitung mit RNN

4. Modelle deployen und Transfer-Learning

Einsatz von Cloud-GPUs für Machine-Learning-Projekte
Einführung in Transfer Learning und Modell Zoo
Vorstellung von ImageNet, ResNet, VGG16
Vortrainierte Layers in eigenen Projekten nutzen